《表2 恶意URL分类模型的特征》
提示：宽带有限、当前游客访问压缩模式
其余特征的分析方法类似，这里不再一一列出。经试验，最终总结出的重要特征如表2所示。
| 图表编号 | XD00139605900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.10 |
| 作者 | 李泽宇、施勇、薛质 |
| 绘制单位 | 上海交通大学电子信息与电气工程学院、上海交通大学电子信息与电气工程学院、上海交通大学电子信息与电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 格栅各节点的位移：基于混合特征的深度自编码器的恶意软件家族分类》2020.12.10
- 《表2 URL各部分的3种模型卷积层参数》2020.07.16
- 《表1 恶意仿冒URL样例》2020.07.16
- 《表3 API分类及权值：Android恶意软件的人工自然杀伤细胞检测模型》2021.03.15
- 《表2：基于多层分类器的恶意网页检测技术研究》2020.06.25
- 《表2 3种动态特征：基于行为路径树的恶意软件分类方法》2020.06.01
- 《表2 算法性能对比：基于特征选择与随机森林混合模型的社区恶意评论检测研究》2020.07.05
- 《表1 数据集概述：基于特征选择与随机森林混合模型的社区恶意评论检测研究》2020.07.05
- 《表2 分类结果对比：基于属性数据流图的恶意代码家族分类》2020.03.05
- 《表2 基于卷积神经网络的恶意流量分类测试结果》2020.02.10
- 《表1 数据示例：基于机器学习的恶意URL识别》2020.02.10
- 《表3 实验对比结果：一种基于词向量的恶意代码分类模型》2020.03.20
- 《表1 实验环境：一种基于词向量的恶意代码分类模型》2020.03.20
- 《表3 模型参数设置：基于汇编指令词向量特征的恶意软件检测研究》2020.02.05
- 《表2 敏感词统计表：基于URL语言特征的钓鱼网站检测算法》2019.12.15
- 《表5 最终模型算法比较：基于统计学特征的Android恶意应用检测方法》2019.08.01
- 《表1 指令功能分类：一种Android恶意软件检测模型》2019.06.20
- 《表5 最优参数的设置：基于Bi-IndRNN的恶意URL分析与检测》2019.05.01
- 《表4 实验环境：基于Bi-IndRNN的恶意URL分析与检测》2019.05.01
- 《表3 本文提出的恶意URL检测方案与其他方案的对比Tab.3 The malicious URL detection scheme proposed in this paper is compared with other schemes》2019.01.01